工业用水库兹涅茨曲线及其形成机制

许莹莹

(中南财经政法大学 经济学院，武汉 430073)

1 研究背景

随着《中华人民共和国水法》《国务院关于实行最严格水资源管理制度的意见》《国家节水行动方案》等政策法规的颁布与修正，节水的重要性已不言而喻。多年来，由于水资源锐减、水源地与用水地空间差距引发的高成本调水建设等问题，我国应对水资源短缺的主要手段集中于需求管理[1]。经济扩张、技术进步、结构调整等均为影响用水需求的主要因素。现有研究认为，资源利用与经济增长的关系并不总是单调正相关的，有可能出现倒“U”型、“N”型、倒“N”型等多种形态[2]，这颠覆了人们原本对经济发展与资源节约相矛盾的认知。中国用水总量由农业用水(60%以上)、工业用水(20%以上)、生活用水(15%以内)和生态用水(5%以内)4部分组成，其中，工业用水量对经济因素的变化最为敏感且存在严重的浪费问题[3]。研究工业用水库兹涅茨曲线可以直观地反映出工业用水与工业经济增长之间的关系，解释库兹涅茨曲线的形成机制将更有利于我国探寻经济与资源环境共赢之路，推进可持续发展并建立资源友好型社会。

研究工业用水库兹涅茨曲线应首先明确我国水资源形势。水资源是工业生产最基本的物质条件，是工业的血液。我国人多水少，水资源分布不均的客观条件已造成了部分地区用水紧张的情形，再加上水污染日益严重、水环境每况愈下，水资源短缺已成为制约工业经济发展速度不可忽视的重要因素之一。Munasinghe[4]认为在经济发展初期，节约用水的边际收益太小，远远比不上扩张经济带来的可观收益，理性经济人毋庸置疑将会选择以资源浪费为代价地发展经济。随着水危机出现，水资源的稀缺性致使用水成本不断提高，节水将会受到市场主体的广泛关注。此时，高质量的经济发展也将激励技术创新、提升资源管理水平、产生“创新补偿效应”[5]，倒逼水资源状况转好。

当前研究中，库兹涅茨曲线是解释资源环境与经济发展关系的重要假说。1955年，Kuznets[6]首次提出经济增长与收入分配不均等之间的倒“U”型曲线关系，后由美国环境经济学家Grossman和Krueger[7]等人引入资源环境领域。他们认为环境污染前期会随着经济发展而加剧，当经济体量达到一定程度后，环境污染就会随着经济发展而有所减缓。在前人研究的基础上，国内外学者针对EKC是否存在、EKC的形状判别、EKC的拐点位置以及EKC的形成机制等问题进行了丰富的研究[8-10]。但当前研究多集中于能源消耗和污染物排放两方面，鲜有学者关注资源领域，聚焦于水资源领域的研究更是少之又少。Rock[11]最早研究了水资源的库兹涅茨曲线，认为美国经济增长与取用水之间呈倒“U”型发展曲线；贾绍凤等[12]验证了OECD国家工业用水与人均GDP的EKC；李强等[13]不仅证明了中国人均工业用水EKC的存在，同时表明中国人均农业用水和人均生活用水与经济发展不存在倒“U”型关系。然而，中国区域间经济差距较大，若是以同质性假设去检验工业用水EKC，可能会导致偏误的估计结果和局限的适用性。张陈俊等[14]将中国划分为东、中、西3个区域进行验证，结果表明工业用水的库兹涅茨曲线还可能呈现“N”型、倒“N”型等多种形态；张兵兵等[15]的研究基于2000—2013年的数据进一步表明全国和中部地区的曲线均为“N”型，其中，全国的“N”型曲线近似满足单调递增趋势。多位学者的研究已充分证实了中国工业用水与经济增长之间的非线性关系，但他们的研究也存在明显的不足之处：①对中国的区域划分过于笼统，多划分为简单的东、中、西部地区，不能很好地为中国不同地区的工业发展提供参考；②当前研究在探讨用水库兹涅茨曲线具体形态的同时，缺乏对曲线背后形成机制的关注，少数研究虽然对形成机制进行了分析，但均是定性概括，并未对各个因素进行定量比对。

鉴于此，本文基于1999—2018年中国内地31个省(市)的省级面板数据，将对中国不同发展特征地区的工业用水与经济增长之间的关系进行多层次分组探讨。另外，本文还将利用对数平均迪式指数法(LMDI)测算全国工业用水驱动因子贡献值，定量比较分析库兹涅茨曲线背后的形成机理。

2 模型设定与数据来源

2.1 模型设定

2.1.1 工业用水库兹涅茨曲线测算

数据和模型选择的不同均会对EKC的检验结果造成很大差异，当前的分析方法主要包括平滑转换回归模型[16]、约化模型[17]、面板平滑转换模型[18]等。其中，受数据可得性的制约，约化模型最具可行性也最为常见。该模型将资源环境指标简单回归到收入、收入的平方或立方上，可以反映出两者之间的关联关系，本文同样采用该种模型。设定模型为

Wi,t=α+β1GDPi,t+β2GDPi,t2+β3GDPi,t3+εi,t。

(1)

式中：Wi,t和GDPi,t分别为i省t年的工业用水量(亿m3)和人均工业增加值(万元/人)；α为常数项；β1、β2和β3为待估参数，取值不同时，库兹涅茨曲线分别呈现不同的形状；εi,t为随机扰动项。

一般来说，工业用水EKC一共可能呈现出7种形状[19]，如表1所示。

表1 工业用水EKC形状Table 1 Shapes of EKCs of industrial water use

2.1.2 基于LMDI工业用水驱动因子贡献值测算

以往研究多将工业用水变化的影响因素归纳为技术进步、产业结构和经济规模[20-21]，其中，技术进步往往体现为用水效率的提高。因此，本文按照式(2)将工业用水分解为3个驱动因子。

(2)

式中：i为截面成员，即31个省份；t为观测期；Wt和Wi,t分别为全国t年和i省t年的工业用水量(亿m3)；Yi,t为i省t年的工业增加值(亿元)；Gi,t为i省t年的地区生产总值(亿元)；ei,t为i省t年的工业用水效率，用工业用水量和工业增加值的比值表征(m3/元)；si,t为i省t年的产业结构，用第二产业占GDP的比重表征；gi,t为i省t年的经济规模，用各个省份当年的地区生产总值表征。

LMDI方法由于无残差、分解形式唯一且计算简便，被广泛应用于多个研究领域。具体分为乘法和加法2种模式，前者更适合用于强度指标，而后者更适合用于数量指标[22]。本文利用加法模式将工业用水变化量(ΔW)分解为用水效率(ΔE)、产业结构(ΔS)和经济规模(ΔG)。

ΔW=Wt-Wt-1=ΔE+ΔS+ΔG。

(3)

分别测算3个驱动因子的贡献值为：

(4)

(5)

(6)

式中：L(Wi,t,Wi,t-1)=(Wi,t-Wi,t-1)/ln(Wi,t/Wi,t-1)；驱动因子的贡献值为正时增加用水，为负时则减少用水。

2.2 数据来源

文章选用1999—2018年中国内地31个省(市)的省级面板数据分析中国工业用水环境库兹涅茨曲线(EKC)的形状，并运用LMDI方法度量用水效率、产业结构和经济规模3个因子对工业用水量变化的贡献，以解释工业用水EKC的形成原因。研究中涉及各省(市)的工业用水量(亿m3)、工业增加值(亿元)、地区生产总值(亿元)和年末常住人口(万人)4个变量，数据来源于《中国统计年鉴》、各省(市)的统计年鉴和《中国水资源公报》。其中，为消除通胀因素，各省(市)各年份的工业增加值和GDP分别通过工业生产者出厂价格指数和居民消费价格指数进行了调整[23]，数据均为1990年不变价的工业增加值和地区生产总值。

3 结果分析

3.1 工业用水库兹涅茨曲线

中国各地区工业用水量及其变化趋势差异极大。如：年均工业用水量最大的是江苏省，为199.74亿m3/a；而年均工业用水量最小的是西藏自治区，仅为1.17亿m3/a，两者相差百倍以上。通过进一步观察31个省(市)1999—2018年的用水量随经济增长的趋势图可知，江苏、宁夏等地呈明显的“N”型曲线；重庆、福建等地呈倒“U”型曲线；山东、天津等地呈“U”型曲线；北京、河北等地呈递减趋势；安徽则呈递增趋势。图1列出了几个典型地区的趋势图。

图1 典型地区工业用水EKC示意图Fig.1 EKCs of industrial water use in typical provinces

考虑到不同地域经济发展程度不同会对工业用水量造成一定的影响，本文在测算全国整体EKC的同时，对东、中、西部地区的情况分别进行测算，以得到更为详细且更具参考价值的工业用水EKC。对于东、中、西部地区的划分参照《全国城镇体系规划纲要》，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省(市)；中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南9个省(市)；西部地区则包括广西、四川、重庆、贵州、云南、陕西、甘肃、宁夏、青海、新疆、西藏11个省(市)。

为消除各省“省情”不同、随机的个体效应所带来的估计误差，本文分别采用固定效应和随机效应模型进行估计，并通过Hausman检验认为随机效应模型更优。表2列出了全国以及东、中、西部地区的EKC检验结果，图2报告了曲线的拟合结果。可以看出全国以及中部地区的库兹涅茨曲线呈“N”型；东部地区工业用水与人均工业增加值之间满足单调递增的关系；而西部地区的EKC呈现倒“U”型。

图2 中国工业用水EKC示意图Fig.2 Fitted EKCs of industrial water use in China

表2 中国工业用水EKC检验结果Table 2 Parameters of EKCs of industrial water use in China

从全国情况来看，工业用水与经济增长之间的“N”型关系存在2个拐点，分别位于人均工业增加值为7 803.90元/人和12 544.43元/人。这表明当人均工业增加值处于2个拐点之间时，工业用水量会逐渐下降；而当人均工业增加值<7 803.90元/人或>12 544.43元/人时，工业用水量会持续上升。多年来，我国经济持续增长，中国“N”型EKC则提示政府，当全国人均工业增加值>12 544.43元/人时，应采取一定的节水激励政策以节约工业用水量。

中部地区库兹涅茨曲线仍然呈现“N”型并具有2个拐点。但相较于全国整体情况，2个拐点均有前移，分别为4 212.99元/人和10 647.70元/人，且2个拐点之间的用水量呈现更为明显的下降趋势。从中部地区各省份的具体情况来看，所有省份均已跨越第1个拐点，但多数省份仍处于2个拐点之间，即用水量随经济增长呈下降趋势。吉林、河南、黑龙江已接近第2个拐点，内蒙古则已跨越第2个拐点并出现用水量回升的状况。

西部地区EKC呈倒“U”型且拐点位于人均工业增加值5 166.47元/人处，这意味着只有当人均工业增加值>5 166.47元/人时，工业用水量才会随经济增长逐渐降低。西部地区中西藏、新疆等仍未跨越拐点，而重庆、广西、宁夏等地区已跨越拐点并呈现出工业用水量连续下降的趋势。这一定程度上证明了倒“U”型库兹涅茨曲线在中国的存在性，但也同时启示政府应给予一定的政策激励，加速部分省份跨越拐点的速度。同时，结合全国和中部地区的情况，西部地区仍需防范库兹涅茨曲线由倒“U”型向“N”型转变的可能性，防止第2个拐点的出现。

东部地区的拟合结果为单调递增的曲线。但本文发现，如将江苏省剔除，东部地区的拟合曲线将呈现倒“U”型。这样的结果提示应多加考虑不同地区的异质性条件，更细致的分组条件得到的EKC将带来更合理的解释。

基于上述分类分析，本文通过工业用水量大小和工业经济增长快慢2个维度将中国31个省(市)划分为4组[23]：低用水低增长、低用水高增长、高用水高增长和高用水低增长，如表3所示。分别对4组进行EKC检验(表4)并绘制各个组别EKC示意图(图3)。

表3 省(市)分组列表Table 3 List of provinces grouping

表4 各组工业用水EKC检验结果Table 4 EKC test results of various groups of industrial water use

图3 4组工业用水EKC示意图Fig.3 EKCs of industrial water use of four groups

由表4可知，不同区域间的EKC差异极大。低用水低增长组地区的工业用水与人均工业增加值之间整体呈单调递减的直线，从各省面板数据来看，北京、河北极具代表性，与该组拟合曲线趋势基本一致。低用水高增长组地区的EKC总体呈倒“U”型，拐点位于人均工业增加值11 784.98元/人处。该组别省(市)中重庆、天津和内蒙古已跨越拐点，吉林、贵州虽未跨越拐点，但其工业用水量已持续下降多年。高用水的2组EKC均呈“N”型，2组均有2个拐点且拐点位置相近，但低增长组的2个拐点所对应的人均工业增加值均小于高增长组。具体到个体来看，高用水高增长组的所有省份均已跨越第1拐点，但仅有福建跨越了第2拐点。高用水低增长组的江苏省已跨过第2个拐点，工业用水量开始了第2阶段的攀升；黑龙江处于2拐点之间的阶段，用水量随工业增长逐年下降；其他几省虽然已跨越第2拐点，但仍未开始第2阶段的上升，需要多加防范。

3.2 工业用水EKC形成原因分析

根据式(4)—式(6)对中国各省(市)工业用水变化量进行因子分解，结果见图4。测算结果证实了用水效率、产业结构和经济规模对工业用水变化均有影响，但用水效率和经济规模的驱动力远远大于产业结构。通过观察驱动因子的正负可以进一步得知，ΔE均为负值，ΔG均为正值。可见，技术进步总会促进节水，而经济扩张却多会驱动用水，用水量具体是增加还是减少还要看3个驱动因子的大小。当技术进步和产业结构带来的节水量小于(大于)经济扩张增加的用水量时，用水量升高(降低)；当技术进步带来的节水量小于(大于)经济扩张和产业结构增加的用水量时，用水量同样会升高(降低)[24]。

图4 1999—2018年工业用水量变化及其驱动因子贡献值Fig.4 Change in industrial water consumption and the contribution value of driving factors from 1999 to 2018

上述分析中，产业结构对工业用水变化的影响并不明朗。因此，通过31个省(市)1999—2018年的数据进一步绘制了工业用水变化率与产业结构的关系拟合图，见图5。由结果可知，在省份样本数据中，第二产业占地区生产总值的比重在17%～59%之间。随着第二产业GDP占比的提高，工业用水量变化率由负变正，这意味着随着第二产业GDP占比的提高，工业用水量先降低后增加，近似地呈“U”型曲线。通过观察图5曲线的变化趋势进一步可知，随着第二产业比重的增加，工业用水量前期降低的幅度是远远大于后期增长的幅度的。

图5 产业结构对工业用水变化率的影响Fig.5 Impact of industrial structure on the change rate of industrial water use

结合图4和图5的结论也许可以更具普适性地解释工业用水各种形态的EKC的形成：工业经济扩张虽然总会促进工业用水量的上升，但同时也会带来技术进步和第二产业比重的提升。技术进步总会大幅度地节约用水，而产业结构多数情况会小幅度地促进节水。当经济扩张触发的增水量小于技术进步和产业结构带来的节水量时，会形成EKC中的下降趋势；反之，当经济扩张触发的增水量大于技术进步和产业结构带来的节水量时，则会形成EKC中的上升趋势。这3个驱动因子的相互作用、相互关联、相互制约促使工业用水与工业经济增长之间的关系由非均衡发展为均衡，形成了“N”型、倒“U”型、单调型等多种不同形态的工业用水库兹涅茨曲线。

4 结论与启示

4.1 结 论

本文基于1999—2018年中国内地31个省(市)的面板数据，对我国工业水资源利用与工业经济发展的关系进行了分组实证研究，并分别绘制了EKC示意图。另外，本文还定量测算了用水效率、产业结构和经济规模这3个因子对中国工业用水变化量的驱动作用。结果表明：

(1)全国整体情况和中部地区情况均呈“N”型曲线。其中，全国的拐点分别位于人均工业增加值为7 803.90元/人和12 544.43元/人时；中部地区拐点均有前移，分别位于人均工业增加值为4 212.99元/人和10 647.70元/人时。西部地区EKC呈倒“U”型且拐点位于人均工业增加值5 166.47元/人处，已有地区跨越拐点进入工业用水量连续下降的状态。东部地区为单调递增的直线。

(2)由于东、中、西部地区的划分方式未能全面反映地区间差异，本文通过工业用水量大小和工业经济增长快慢2个维度将31个省(市)划分为低用水低增长组、低用水高增长组、高用水高增长组和高用水低增长组4组，并测算出4组的曲线分别为单调递减的直线、倒“U”型曲线、“N”型曲线和“N”型曲线。

(3)通过对3个驱动因子的贡献值测算，证实了用水效率和经济规模的显著驱动力，两者的作用也是相反的，技术进步促进节水，而经济扩张驱动用水。产业结构的作用虽不明显，但它对工业用水变化率的影响呈倒“U”型曲线关系，并且前期用水量降低的幅度是远远大于后期用水量增加的幅度的。

4.2 启 示

(1)工业用水与经济增长之间的倒“U”型、“N”型等关系给我们了一个积极信号：节水与经济发展并不永远是冲突的，跨越转折点后，水资源消耗会不再增长甚至有所降低。这也提示政府应采取激励政策保持用水总处于倒“U”型曲线或“N”型曲线的下降趋势阶段。

(2)工业用水与经济增长之间呈现的EKC形状并不唯一，而是多样的，并且与区域范围有着密切联系，这证明了进行多层次分组研究的必要性。

(3)旨在提高用水效率的节水政策，其节水效果并不能达到预期，中国不能将水生产率技术的提高视为实现节水目标和解决缺水问题的唯一途径。政府在制定节水方略时，应多加考虑经济发展、结构调整等多方因素，并依据“省情”不同因地制策，以达到精准施策的目的。